Launaea cornuta (wild lettuce) leaf extract: phytochemical analysis and synthesis of silver-zinc oxide nanocomposite
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Access to quality drinking water is an essential human right and a fundamental aspect of human dignity, yet a challenge to many in developing countries. Over 2 billion people worldwide lack access to quality drinking water due to microbial contamination, among other factors. Silver-doped zinc oxide impregnated activated carbon nanocomposites, Ag-ZnO-AC NCs, a strong antimicrobial agent have been used at point-of-use to treat water treatment. Green synthesis of Ag-ZnO-AC NCs has played a vital role since it leads to the acquisition of non-toxic nanocomposites compared to chemical synthesis. In this study, Ag-ZnO-AC NCs were green-synthesized using Launaea cornuta leaf extract as a source of reducing and capping agents in place of synthetic chemicals. Antioxidants from Launaea cornuta (Wild Lettuce) leaves were extracted using 0, 50, and 100% EtOH solvents with different volumes and extraction circles. The highest phenolic (11044 ± 63 μg) and antioxidant (44112 ± 894 μg) contents were extracted using 50% EtOH and 20 ml of extract solvent with p < 0.05. The SEM and TEM images of the synthesized Ag-ZnO-AC NCs show the formation of highly porous AC with sheet-like structures and successful Ag-ZnO NCs impregnation within the pores and on the surface of the AC. Based on the inhibition zone, the antimicrobial activity of the Ag-ZnO AC NCs had significant results with 14.00 ± 0.37 for E. coli and 17.33 ± 0.36 mm for S. aureus , p < 0.05. These results confirm the significance of Launaea cornuta (Wild Lettuce) as a source of antioxidants that can be used as reducing and capping agents to synthesize Ag-ZnO-AC NCs.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle